항해 중인 함정은 늘 충돌 가능성이 존재하지만 충돌회피를 위한 명확한 기동지침은 없고 함교 당직사관의 직관적 판단에 의존하 는 경향이 있다. 본 연구에서는 항해 중인 함정이 방위끌림이 없는 장애물을 조우하는 상황에서 함교 당직사관을 대상으로 언제 어떻게 충돌 을 회피하는지 설문조사를 실시하였다. 설문 결과를 활용하여 방위끌림이 없는 장애물 조우 상황, 주·야간 충돌 회피 방법을 분석하였다. 조함이 까다로운 지역은 평택, 목포 순이었고, 주로 협수로 내에서 발생하였다. 빈도는 4시간 항해 시 평균 1회 정도로 나타났으며, 1:1 조우 상황보다 다수 선박 조우가 많았다. 충돌침로 확인 시 전자해도보다 육안 확인 결과를 더 신뢰하였고, 충돌회피 고려 요소로 최단 접근거리, 최단 접근시간을 우선시하였다. 피항의무선과 침로유지선의 충돌회피 기동상 특별한 차이는 없었지만 주·야간 시 최단 접근거리의 차이는 존재 했다. 충돌회피 시대부분의 항해사들은 변침·변속을 함께 사용하는 것을 선호하며 타각 10~15°, 변속 ±5knots, 변침침로는 타함 함미 정방향에서 함미 가중치를 두었다. 이러한 결과들은 승조원들에게 부임 함정의 충돌 회피 기준을 제공하는데 도움이 될 것이며 나아가 AI, 빅데이터 기반의 무인함정 충돌회피 알고리즘 개발에도 적용될 것이다.
Naval ships that are navigating always have the possibility of colliding, but there is no clear maneuvering procedure for collision avoidance, and there is a tendency to depend entirely on the intuitive judgment of the Officer Of Watch (OOW). In this study, we conducted a questionnaire survey when and how to avoid collision for the OOW in a Constant Bearing, Decreasing Range (CBDR) situation wherein the naval ships encountered obstacles. Using the results of the questionnaire survey, we analyzed the CBDR situation of encountering obstacles, and how to avoid collision in day/night. The most difficult to maneuver areas were Pyeongtaek, Mokpo, and occurred mainly in narrow channels. The frequency appeared on average about once every four hours, and there were more of a large number of ships encountering situations than the 1:1 situation. The method of check of collision course confirmation was more reliable with the eye confirmation results, and priority was given to distance at closest point of approach (DCPA) and time at closest point of approach (TCPA). There was not a difference in DCPA between the give-way ship and stand-on ship, but a difference between day and night. Also, most navigators prefer to use maneuvering & shifting when avoiding collisions, and steering is 10-15°, shifting ±5knots, and the drift course was direction added stern of the obstacles to the direction of it. These results will facilitate in providing officers with standards for collision avoidance, and also apply to the development of AI and big data based unmanned ship collision avoidance algorithms.